智能城市应用，如智能交通路由或事故预防，依赖计算机视觉方法实现精确的车辆定位和跟踪。由于缺乏准确标注的数据，从多个摄像头中检测和跟踪三维车辆成为一项具有挑战性的任务。本文介绍了一个大规模的合成数据集，用于在多个重叠和非重叠摄像头视图中进行多车辆跟踪和分割。与现有的数据集不同，这些数据集仅提供二维边界框的跟踪真值，我们的数据集还包含相机坐标和世界坐标中的三维边界框完美标签、深度估计以及实例、语义和全景分割。该数据集由340个摄像头在64种不同的白天、雨天、黎明和夜间场景下录制的17小时标注视频材料组成，是迄今为止最广泛的数据集之一，适用于多目标多摄像头跟踪。我们提供了检测、车辆重新识别以及单摄像头和多摄像头跟踪的基线模型。代码和数据均公开可用。